我们长期为本科生提供科研课题和训练机会。课题围绕星系形成与演化展开，涵盖星系观测、数值模拟、人工智能和天文教育等方向。我们欢迎来自物理、天文及相关理科专业的同学，也欢迎对科学教育和科普感兴趣的同学参与。
我们希望本科科研从兴趣出发，也尊重每位同学不同的起点和成长节奏。参与课题不只是为了完成毕业论文或大学生创新项目，更是为了在实践中学习如何提出问题、寻找证据和表达结论，并逐渐认识自己的兴趣、能力和未来方向。无论今后是否继续从事天文学或科研，我们都希望每位认真参与的同学能在这个过程中有所收获。
我们会根据同学的兴趣和基础，一起选择合适的问题，并在课题中逐步学习所需的知识和方法。即使此前没有系统学习过天文学，也可以从文献阅读、Python 编程和基础数据分析开始，逐渐接触 SDSS、DESI、Euclid、CSST、JWST、VLT-MUSE、ALMA、IllustrisTNG、EAGLE 等真实观测与模拟数据。
我们不要求参与者已经具备科研经历，也不要求提前掌握天文学或熟练编程。只要对科学问题有好奇心，并愿意在真实课题中持续学习，就可以联系我们。
科研也需要认真、主动和稳定的参与。我们希望参与课题的同学能够：
暂时没有明确的研究方向并不要紧。兴趣和方向也可以在阅读、尝试和讨论中逐渐形成。
这一方向使用大规模巡天数据研究星系群体的统计规律。可以把它理解为：从几十万到数百万个星系中寻找宏观规律，通过总结和归纳理解星系的质量、颜色、形态、恒星形成活动和环境之间的关系。
常用数据包括 SDSS、DESI、Euclid 和未来的 CSST 等大型巡天。这类研究的特点是从大样本中寻找共性，用统计证据回答科学问题，同时训练可迁移到其他领域的数据分析与统计方法。
可以开展的课题：
通过这类课题，可以学习如何从复杂数据中提出问题、建立样本、识别规律并检验结论。
这一方向关注单个或少量特殊星系，利用高质量观测数据研究具体物理过程。可以把它理解为：像“解剖”一个星系一样，观察它的图像、光谱、速度场和化学丰度，理解它为什么特殊。
常用数据包括 JWST、VLT-MUSE、ALMA 以及大型地面望远镜和空间望远镜的高质量观测数据。这类课题不一定局限于空间分辨观测，也可以围绕高精度测光、光谱、速度场或多波段数据展开。它的特点是直观、具体，常常从一个特殊天体出发，以小见大地理解更普遍的物理过程。
可以开展的课题：
通过这类课题，可以学习如何从观测数据中提取物理信息，并了解望远镜、光谱仪、探测器和观测策略如何决定我们能够看到什么。
这一方向使用宇宙学数值模拟研究星系如何在理论模型中形成和演化。可以把它理解为：在计算机中生成“模拟宇宙”，再把模拟星系和真实观测星系进行比较。
常用数据包括 IllustrisTNG、EAGLE 等国际主流模拟项目。适合对理论物理、计算、数据分析和物理机制感兴趣的同学。
可以开展的课题：
通过这类课题，可以接触理论模型、计算数据和观测检验之间的联系，训练从物理问题到数据分析再到科学解释的完整思路。
这一方向探索人工智能和自动化工具在天文研究中的应用。可以把它理解为：让计算机帮助我们识别星系、整理数据、阅读文献、生成分析流程。
适合对机器学习、大语言模型、自动化工具或数据科学感兴趣的同学。相关的 Python 和算法工具都可以在具体课题中逐步学习。
可以开展的课题：
通过这类课题，可以训练机器学习、自动化流程、数据整理、文献处理和工具开发能力。
这一方向面向师范专业和对科学教育感兴趣的同学，围绕天文通识教育、科普教育和公众科学传播开展项目。可以把它理解为：把前沿天文学问题转化为不同年龄段学生和公众能够理解、愿意参与的课程、活动和科普内容。
这类课题既可以结合真实天文数据，也可以结合课堂教学、科普讲座、互动演示和新媒体传播。适合希望未来从事教师职业、科学教育、科普传播或公众科学服务的同学。
可以开展的课题：
通过这类课题，可以训练科学表达、课程设计、公众沟通、内容创作和教育创新能力。这个方向不限制专业背景，只要对天文教育、科学传播或公众科普有兴趣，都可以参与。
每个课题会从一个范围适当、可以逐步推进的问题开始。我们将根据同学的兴趣、基础和可投入时间共同确定具体内容，而不是要求所有人采用相同的起点和进度。
前期通常以熟悉背景知识、研究工具和数据为主，随后逐步开展分析、讨论结果并形成阶段性总结。课题推进过程中需要定期交流：既讨论取得的进展，也讨论遇到的困难、没有得到预期结果的尝试，以及下一步计划。
阶段成果可以有不同形式，例如研究报告、程序与数据产品、科学图表、网页或教学资源等。课题也可以与毕业论文或大学生创新项目相衔接；对于进展顺利并希望继续深入的课题，可以进一步形成较系统的研究结果。
在保持稳定投入、认真完成阶段任务并积极参与讨论的前提下，同学们将根据自己的起点、兴趣和课题需要，逐步获得以下训练：
不同课题的训练重点不同，每位同学最终取得的进展也会有所不同。我们鼓励同学从完成一项可靠的分析开始，逐步形成研究报告、程序与数据产品或其他可以积累和展示的成果；对于投入充分、进展顺利并希望继续深入的同学，也将支持其进一步形成系统研究和学术论文。
课题通常以一个学期为基本参与周期。科研很难依靠临时突击完成，因此比某一次投入很多时间更重要的，是每周保持相对稳定的学习和推进。具体投入和交流频率会根据课题特点、个人课程安排和阶段目标共同商定。
一个学期可以完成入门训练和若干阶段任务；希望形成较完整研究结果的同学，通常需要持续参与一年以上。毕业论文和大学生创新项目可根据学校要求、项目周期和个人情况单独规划。一学期结束后，双方可以根据兴趣和实际进展讨论是否继续深入或调整方向。
欢迎感兴趣的同学优先通过钉钉联系冯帅老师，也可以发送邮件至 sfeng_at_hebtu.edu.cn。联系时请简单说明：
不必等到“准备充分”之后再联系。如果暂时不能确定具体方向，也可以先介绍自己的兴趣和希望获得的训练，我们可以一起讨论合适的起点。